这个关于“什么是深度学习”的视频提供了一个有趣而简单的概念介绍。我们将了解深度学习是在哪里实现的，然后继续讨论它与机器学习和人工智能有何不同。我们还将了解什么是神经网络，以及如何训练它们来识别手写的数字。我们将进一步看看深度学习的一些流行应用。那么，让我们通过这个视频来深入了解一下深度学习的世界。

不到30年前，先进的机器人只是一个充满希望的梦想和未来的愿景。快进到今天，由于科学和技术的不断进步，这些愿景已成为现实。今天，我们将来看一看现实生活中的机器人，让你认为未来就是现在！

学习、解释、适应和进化的能力一直将人类与机器区别开来。但这个差距正在缩小吗？人类的大脑包含约860亿个神经元，它们通过一个称为突触的极其复杂的通路系统相互连接。神经元的功能是通过突触将电荷传递给彼此，导致活跃/不活跃，或真/假的反应。这就是为什么人类如此擅长图案识别，使我们能够阅读、说话，并区别成千上万张脸。计算的一种基础代数形式——布尔逻辑，也依赖于真(1)或假(0)值。一个足够大的计算机系统使用布尔逻辑可以很好地模拟大脑——也被称为神经网络。

这个关于“什么是神经网络”的视频以寓教于乐的方式介绍了神经网络的概念。我们将了解神经网络中存在的不同层次，并理解这些层如何处理数据。我们将了解神经网络中使用的不同参数，如权重、偏差和激活函数。我们还将了解如何使用前向传播训练神经网络，然后使用后向传播方法调整网络中的误差。本视频还涵盖了一些流行的神经网络应用。现在，让我们直接学习什么是神经网络。

观看视频示例，了解卡尔曼滤波器背后的工作原理。本视频介绍卡尔曼滤波器结合两个信息源，预测状态和噪声测量，以产生最佳的，无偏的状态估计。

您将学习如何配置扩展卡尔曼滤波器模块参数，例如状态转换和测量函数，并生成C/C ++代码。

了解MATLAB® 如何可以为深度学习工作流程的每一个环节提供帮助：从预处理到部署。该视频概要介绍了使用MATLAB进行深度学习的情况。它描述了完整的工作流程，并说明了MATLAB如何在各个阶段帮助深度学习应用程序，包括导入和预处理图像，导入预训练的模型，使用GPU训练模型，调试深度学习结果以及将深度学习模型部署到硬件上，包括嵌入式硬件GPU。

实际上，卡尔曼滤波器就是一种状态观测器，但它是为随机系统设计的。这就是卡尔曼滤波器方程和我们讨论概率密度函数之间的关系。